异常检测在高光谱图像蔬菜农药点检测中的应用研究_第1页
异常检测在高光谱图像蔬菜农药点检测中的应用研究_第2页
异常检测在高光谱图像蔬菜农药点检测中的应用研究_第3页
异常检测在高光谱图像蔬菜农药点检测中的应用研究_第4页
异常检测在高光谱图像蔬菜农药点检测中的应用研究_第5页
已阅读5页，还剩2页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

异常检测在高光谱图像蔬菜农药点检测中的应用研究当前,蔬菜中含有农药残留的可能性越来越大,而相对成熟的农药残留检测技术如气相色谱法等存在费时费力,破坏性大等明显缺点,因此,急需一种快速无损的蔬菜农药残留检测技术。高光谱成像技术能够区分地物光谱的微小差别,已有研究人员将其应用于食品安全监测领域,并且取得了一定的研究成果,在蔬菜农药残留检测方面具有较大的潜力。异常检测是高光谱遥感最常见的应用之一,已经在军事目标识别、伪装目标区分等方面取得了较好的成果。鉴于异常检测在高光谱遥感领域目标识别中的有效性,本文将其应用于近景高光谱图像,试图探究其检测蔬菜叶片上的农药点的可行性。在本文中,我们首先搭建了一个近景高光谱成像平台,获取了包含农药点的菠菜叶片的高光谱图像数据,对菠菜叶片的光谱特性和不同形态表现的农药点的光谱特性进行了分析,确定了农药点光谱的特征波长。其次,针对实验获取高光谱图像数据受到高光谱仪因光电效应产生的系统噪声很明显的问题,引入了信号处理领域的奇异谱分析(SingularSpectrumAnalysis,简称SSA)来降低噪声,并通过局部图像方差和若干光谱相似性度量指标来衡量其降噪效果。与原始数据相比,SSA处理后的图像数据局部图像方差最高降低70%以上,光谱相似性度量指标值也出现了不同程度的下降,图像的系统噪声得到了明显下降,提高了数据的稳定性。再次,针对农药点检测问题,基于RX算法的基本原理,将双窗口局部RX算法中的外窗改进为可以变化,并结合主成分分析(PCA)的数据降维方法,提出了一种外窗可变的基于主成分分析的双窗局部RX算法(外窗可变PCA-LRX),实验结果表明,与其他4种RX系列算法相比,外窗可变PCA-LRX算法对农药点的检测效果最好,不仅能检测出全部的农药点目标,虚警率还低。接收机操作特性曲线(ROC)显示,在相同虚警率水平下,外窗可变PCA-LRX算法的检测率最高。最后,针对外窗可变PCA-LRX算法存在运行时间较长的问题,基于Hausdorff度量的基本原理,结合主成分分析的降维方法,提出了一种改进的Hausdorff度量异常检测算法,即PCA-MHD算法,用以检测蔬菜上的农药点。实验结果显示,PCA-MHD算法也能检测出全部的农药点,并且与外窗可

人人文库> 全部分类> 应用文书 > 作业报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论